عنوان پایان‌نامه
تخمین تابع تقاضای گاز در بخش خانگی با استفاده از دو الگوریتم فراابتکاری
- رشته تحصیلی
- اقتصاد انرژی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه دانشکده اقتصاد شماره ثبت: 1724;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 73578;کتابخانه دانشکده اقتصاد شماره ثبت: 1724;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 73578
- تاریخ دفاع
- ۱۴ تیر ۱۳۹۴
- دانشجو
- علی آقاکاظم جورابباف
- استاد راهنما
- قهرمان عبدلی
- چکیده
- مدیریت تقاضای انرژی از اهمیت فراوانی در برنامه ریزی وتامین امنیت اقتصادی کشور برخورداراست. شناسایی عوامل موثر بر روند تقاضای انرژی کشور وپیش بینی آتی آن می تواند به سیاست گذاران وفعالان در بازار انرژی درجهت تصمیم گیری های اقتصادی و بهبود عملکرد بازار و تامین امنیت سوخت کشور کمک کند. امروزه روش های نوینی برای مدل سازی و پیش بینی پدیده های مختلف ابداع گشته است که در میان این روش ها الگوریتم های فرا ابتکاری جایگاه ویژه ای دارند. درمیان الگوریتم های فرا ابتکاری، الگوریتم ژنتیک والگوریتم ازدحام ذرات ازجمله شناخته شده ترین وپر کاربردترین روش ها در علوم مختلف می باشند. از این رو، دراین مطالعه برای تخمین و پیش بینی روند تقاضا گاز خانگی کشور ازالگوریتم های ژنتیک وازدحام ذرات درقالب دو مدل مدل خطی ونمایی استفاده شده وکارایی آن ها مورد ارزیابی قرار گرفته است. نتایج تحقیق نشان دهنده ی دقت وکارایی بالای مدل نمایی بر آورد شده با استفاده از الگوریتم ازدحام ذرات در مقایسه با الگوریتم ژنتیک بوده است.
- Abstract
- This paper deals with estimation of gas demand of Iran based on economics indicators using Particle Swarm Optimization (PSO) Algorithm. The estimation is based on Gross Domestic Product(GDP), population, number of customers and the average price of electricity and gas by developing two different estimation models: a linear model and a non linear model. The proposed models are obtained based upon available actual data of 10 years , since 1998-2008. then the models obtained are used to estimate the gas demand pf the target years, for a period of time e.g.2009-2012 and the results obtained are compared with actual demand during this period . Furthermore , to validate the results obtained by PSO, genetic algorithm(GA) is applied to solve the problem. the results show that the PSO is a useful optimization tool fror solving the problem using Two developed models and can be used as an alternative solution to estimate the future gas demand.
